Zoom 錄影轉文字：唔用 bot 入會嘅四條路線

開完會，你打開 Zoom 嘅錄影資料夾。

入面有 video123456.mp4、audio123456.m4a、一個 chat.txt。搵唔到逐字稿。

同事問：「點解唔係自動有字？」答案唔複雜：Zoom 嘅逐字稿功能只跟雲端錄影，而且語言清單冇粵語。

好消息係，你唔需要為此派一個 bot 入會。會議已經錄完，檔案已經喺手，剩低嘅只係轉寫。

呢篇講清楚三件事：你手上嗰幾個檔案分別係乜、Zoom 內建功能嘅界線喺邊、同四條唔用 bot 嘅會後路線。

重點摘要

• Zoom 錄影會出 MP4、M4A、TXT、VTT 等檔案，各自用途唔同；M4A 係純音檔，最適合轉寫。
• 內建逐字稿只適用於雲端錄影，而且要 Pro 或以上帳戶；本機錄影冇。
• 官方語言清單列 19 種，中文只有簡體，冇粵語，亦冇繁體中文。
• 想分得清邊把聲講，可以喺錄影設定開啟「每位參加者獨立音檔」，官方講最多支援 200 位講者。
• 影片檔大約每小時 200MB，長時間會議要先壓縮再上載。

三個「Zoom 轉文字」，其實係三樣嘢

好多討論把三件事混為一談，之後就對唔上。

如果你嘅會議係本機錄影，第三行就係你唯一嘅路徑。唔係因為 Zoom 差，而係功能設計本身就係咁分。

錄影資料夾入面，六種檔案各自係乜

Zoom 官方支援頁列出錄影會產生以下格式（Understanding recording file formats，查閱 2026-10-31）：

兩個數字值得記住：官方估計錄影畫面每小時約 20MB，錄影影像每小時約 200MB。同一段會議，影片版本嘅檔案大十倍。

所以轉寫之前，第一件事係揀 M4A。冇 M4A 才由 MP4 抽音軌；唔好直接上載成個影片檔去等。

為什麼本機錄影冇逐字稿

本機錄影 係會議進行時，把影音直接寫入你部電腦硬碟，唔經雲端。 音頻轉錄 係 Zoom 對已錄到雲端嘅檔案自動產生文字稿嘅功能。

Zoom 嘅音頻轉錄，官方定義係「自動轉錄你錄到雲端嘅會議或網絡研討會音頻」（Using audio transcription for cloud recordings，查閱 2026-10-31）。

關鍵詞係「錄到雲端」。

本機錄影嘅檔案留喺你部電腦，Zoom 冇收到，自然冇得轉。雲端錄影就要付費帳戶：官方列明 Pro、Business、Education 或 Enterprise，再加雲端錄影同音頻轉錄兩個開關。

美國馬里蘭大學嘅 IT 支援文件亦直接把「Zoom 音頻轉錄」列為本機錄影冇嘅項目（UMD IT Support，查閱 2026-10-31）。

所以「我錄咗，點解冇字」唔係 bug，係你揀咗本機錄影。

本機錄影有佢嘅好處：免費帳戶都用得，檔案即時喺手，唔受雲端儲存期影響。代價就係要自己轉寫。

Zoom 內建逐字稿嘅三個限制

就算你用雲端錄影，都要知道三條界線。

【獨家觀察】「有逐字稿」同「逐字稿用得到」係兩個問題，落差幾乎全部來自語言欄位：功能存在，但模型唔係聽粵語。採購時問「支援幾多種語言」冇意義，要問「粵語係唔係獨立一項」。

限制一：19 種語言，中文只有簡體

官方語言清單有 19 種：英文、西班牙文、法文、德文、意大利文、中文（簡體）、俄文、烏克蘭文、日文、韓文、越南文、荷蘭文、葡萄牙文、阿拉伯文、波蘭文、羅馬尼亞文、瑞典文、土耳其文、丹麥文。

冇粵語，亦冇繁體中文。

呢個唔係「質素差少少」嘅問題，係「出嚟嘅字你用唔到」嘅問題。揀「中文（簡體）」去聽粵語，出嚟嘅結果通常要由頭改一次，改嘅時間可能多過自己打。

限制二：出嚟嘅係 VTT，唔係會議記錄

VTT 係一種帶時間碼嘅字幕文字檔，每句前面有開始同結束時間。

VTT 有時間碼、有句子，但冇決議、冇行動項、冇負責人。

呢個檔案係原料。要變成會議記錄，仲要一輪整理。呢個分別我哋另外寫過，見會議記錄同逐字稿嘅分別。

限制三：分軌要自己開

雲端錄影可以選擇「為每位參加者錄一段獨立音檔」，官方講最多支援 200 位講者（Changing basic and advanced cloud recording settings，查閱 2026-10-31）。

呢個設定對「邊句係邊個講」好有幫助，但預設唔一定開。會前唔開，會後就補唔返。

四條唔用 bot 嘅路線

路線一：直接用 M4A 上載

最直接。錄影資料夾已經有 audioXXXX.m4a，拎去任何支援粵語嘅轉寫服務，等出稿。

適合：本機錄影、會議已經完、唔想再有人入會。

注意：M4A 取樣率通常夠高，但如果會議室收音差，噪聲會直接影響準確度。可以參考混合會議收音設定先改善源頭。

路線二：由 MP4 抽音軌

有時只有 MP4，冇獨立 M4A。原因可能係錄影設定、或者檔案喺轉換過程中被中斷。

用任何影片工具抽出音軌，轉成單聲道 16kHz，檔案會細好多，上載亦快好多。

我哋寫過一條完整的音檔壓縮上載指南，包括格式同大小限制。

路線三：用分軌音檔做講者標籤

分軌音檔 係每個參加者各自一段錄音，唔係全場混埋一齊嘅單一音軌。

如果會前開咗「每位參加者獨立音檔」，資料夾會有 audio陳大文123456.m4a 呢類檔案。例如一場六人會議，就會有六個檔名各自對應一個人。

檔名本身就係講者標籤。你可以逐個上載，或者合併之後用檔名對照。呢個做法比事後靠 AI 猜聲線準得多。

代價係檔案數目多，整理要花時間。適合董事會、紀律會議呢類「一定要分清楚邊個講」嘅場合。

路線四：已有 VTT，重新轉寫一次

如果雲端已經出咗 VTT，但質素唔夠（例如用英文模型聽粵語），可以當佢做時間碼參考，再用粵語模型重新轉寫。

好處係時間軸已經有，對字幕或引用好方便。

壞處係多一輪工序。除非你要保留精確時間碼，否則直接由 M4A 重做更簡單。

會後實際要處理嘅五件事

以下係一個務實嘅會後清單。

1. 確認錄影完成：Zoom 轉換檔案需要時間，會議一完就開資料夾，可能仲未見 MP4。
2. 揀檔案：優先用 M4A；冇才由 MP4 抽音軌。
3. 改名：用「日期—會議名」命名，唔好留 audio123456。日後搜尋會多謝你。
4. 上載轉寫：連同自訂詞彙一齊提交，人名、公司名、項目代號先加入去。
5. 核對三樣：人名、數字、否定句。

第三步最易被跳過，但佢決定你三個月後搵唔搵返呢個檔案。例如把 audio987654321.m4a 改成 2026-10-28-季度檢討.m4a，日後用檔案總管搜尋就打得出。

大檔點算：每小時 200MB

官方估計影像每小時約 200MB。一個三小時嘅工作坊，影片就 600MB 左右。

大部分轉寫服務都有單檔上限。與其撞牆，不如先壓縮：抽音軌、轉單聲道、16kHz，檔案會細好多。

我哋嘅上載錄音轉文字教學有逐步做法。

錄之前：一句通知就夠

錄影之前要唔要問准？要，而且唔止一句「我錄音」。

最簡潔嘅做法，係會前用一句講清三件事：會錄影、用途係寫會議記錄、保留幾久。

完整版可以睇會議錄音同意同保留期指南。嗰篇有通知範本同保留期判斷法。

會後仲有一件事：錄影檔唔好無限期留喺本機。轉寫完成、核對完，就按政策刪。

常見問題

Zoom 免費版可以錄影嗎？

可以本機錄影，但要桌面應用程式，手機唔支援。雲端錄影就要付費帳戶。

Zoom 有粵語逐字稿嗎？

官方語言清單冇粵語，中文只有簡體。所以內建功能出唔到可用嘅粵語逐字稿。

唔用 bot，準確度會唔會差啲？

唔一定。bot 入會係即時收音，質素受網絡影響；會後上載原檔，反而係完整音質。分野在於你有冇開分軌。

已有 VTT，仲要唔要重新轉寫？

如果 VTT 係用英語模型聽粵語，通常要。可以先用一小段試，對比人名同數字，再決定要唔要全套重做。

想自行驗證質素，可以參考粵語 ASR 準確度實測方法，同自訂詞彙測試協議。

資料來源

• Zoom，「Understanding recording file formats」，support.zoom.com，查閱 2026-10-31。
• Zoom，「Using audio transcription for cloud recordings」，support.zoom.com，查閱 2026-10-31。
• Zoom，「Changing basic and advanced cloud recording settings」，support.zoom.com，查閱 2026-10-31。
• Zoom，「Finding your computer and cloud recordings」，support.zoom.com，查閱 2026-10-31。

本文由港嘢內容團隊編輯，資料核對日期 2026-10-31。想睇 bot 入會嘅做法，見Zoom 會議自動轉錄教學；想了解我哋嘅會議助理，見關於港嘢或聯絡我哋。

結語

「Zoom 轉文字」呢個問題，答案唔喺 Zoom 裡面。

Zoom 負責錄，錄完之後嘅事，係另一個工序。你可以派 bot 入會即時收，也可以會後拎個 M4A 出嚟慢慢轉。兩條路都成立，分別係你願唔願意再開一次會。

對大部分香港團隊，會後路線更穩：音質完整、唔影響會議、私隱邊界清楚。唯一要求係你記得會前開分軌，同會後改好檔名。